HPE已经完成了对SimpliVity的收购,并公开了软件移植和迁移计划,但是没有对SimpliVity硬件迁移到ProLiant服务器公开任何信息。
作为第二大超融合基础设施一体机(HCIA)初创公司,SimpliVity被HPE以6.5亿美元收购,SimpliVity的硬件被添加到HPE的两大硬件产品组合中:HC 250和HC 380,这两个都是基于ProLiant的系统。
HC 250是一款基于Apollo 2000的设备,有4个服务器抽屉,支持vSphere和微软Hyper-V。而HC 380采用ProLiant DL380服务器硬件,只支持vSphere。
据悉,SimpliVity拥有自己的OmniStack软件,支持像思科、戴尔、华为和联想等厂商的服务器。并且OmniStack支持多种虚拟机管理程序,例如vSphere、Hyper-V、Red Hat KVM以及Citrix,这对HPE的销售来说是个好消息。
此外,SimpliVity还有基于x86的OmniCube硬件,可以纵向扩展为32节点的集群,其客户中的红牛F1大赛团队就是采用了这款硬件。以下为SimpliVity的5款具体设备:
- CN-1400:有效容量为3-6TB(经过数据精简之后),面向中小企业客户
- CN-2400:容量为5-12TB,面向中端市场
- CN-3400:容量为18-36TB,面向中端市场
- CN-5400:容量为20-40TB,面向高端市场
- CN-5400-F:全闪存容量为20-40TB,面向高端市场(14个1.6TB Intel DC S3610 SATA 6Gbps SSD)
这些产品都采用FPGA用于数据精简。
SimpliVity OmniCube
HPE高级副总裁、软件定义及云部门总经理Ric Lewis在一篇博客文章中写道,SimpliVity的产品是HPE超融合系统客户的福音,将会带来:
- 内置的企业数据保护和弹性以建化备份并快速恢复操作
- 企业存储利用率和虚拟机效益以控制成本和性能
- 永远在线的压缩和重复数据删除功能,确保存储备份节约90%的容量
- 基于策略的、以虚拟机为中心的管理,简化操作,实现数据移动性,让部署团队和最终用户更有效率
- 向现有超融合使用案例——虚拟机、VDI、企业ROBO/LOB——增加了灾难恢复
Lewis还表示,对于现有SimpliVity客户来说不会立刻看到变化。而在不久的将来,“HPE将提供针对ProLiant DL380服务器认证的SimpliVity OmniStack软件。客户现在可以订购这个新产品,目标交付日期为5月份。”此外,SimpliVity产品系列将获得HPE的自动化和云管理软件。
现有的SimpliVity客户和合作伙伴将看到HPE“与你一起、以你自己的节奏迁移到新产品”。对于现有的HPE客户和合作伙伴来说,“我们将继续提供现有的HC 380和HC 250超融合产品,提供一个路径通向基于SimpliVity的产品。”
这里说的“一个路径”是指迁移到SimpliVity硬件,但是并没有明确地说出来。这也意味着HC 250和HC 380将消失,尽管这点也没有说出来。另外还有可能是,HPE以LeftHand NetWork为主导的StoreVirtual VSA(虚拟SAN软件)不再扮演主流的角色。而被OmniStack取而代之!
Lewis表示,今年下半年,“我们计划将HPE和SimpliVity最好的部分结合到一起,为客户提供改变游戏规则的创新,例如‘工作空间’控制,为商业领袖和开发者提供简单的自助式服务门户,组合虚拟化和容器化的资源,增强业务洞察,包括预测分析。”
那么OmniCube硬件有如何呢?在这篇博客中并没有提到硬件方面的信息,所以假设硬件还会保留。我们认为最终将会有一个改造版的ProLiant。HC 250是一款紧凑的四服务器设备,而调用Omni肯定是个不错的想法。
另外,据了解用户还会看到更多全闪存的OmniCube产品,而且32节点的集群限制也会被打破。
值得关注的是HPE会怎么对待OmniCube数据精简FPFA,这一点值得期待,而我认为很有可能是将3PAR与OmniCube ASIC相结合。或者HPE可以放弃FPGA,选择OmniStack系统重复数据删除,使用x86 CPU周期来完成这项功能。
Lewis在最后说道,“当我们最终敲定了我们整合的路线图之后,我会继续分享我们的进展,确保向HPE和SimpliVity客户明确地传达关于未来的变化并进行无缝的过渡。我期待这一新的篇章。HPE和SimpliVity将携手共创辉煌的未来,为我们的客户和合作伙伴带来巨大的价值。”
我们相信未来还会有更多的消息,但现在HPE将会利用SimpliVity现有的硬件并开发相关软件。我们将持续关注这个领域,看看SimpliVity硬件到底会有怎样的进展。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。